¿Tu agente de IA inventa información? Esto hay que revisar antes de que te cueste caro
Las señales, las causas y los pasos para corregir un agente de IA que inventa precios, fechas o políticas que no existen, antes de que te cueste un cliente.
Lo que pasa cuando tu agente de IA no sabe decir ‘no sé’
Las señales, las causas y los pasos para blindar el agente de tu negocio antes de que invente un precio, una fecha o una política que no existe.
Si le diste tus documentos a tu agente de IA no significa que ya no pueda inventar. Un agente mal conectado puede soltar un precio que no existe, una fecha de entrega que no cuadra o una política que tú nunca escribiste, con la misma seguridad con la que diría la verdad. Esta guía te dice qué señales buscar, por qué pasa y cómo corregirlo antes de que un cliente se dé cuenta primero que tú. Al final puedes descargar gratis el PDF con el checklist completo.
En resumen
Un agente de IA que no está bien conectado a los documentos de tu negocio puede inventar precios, políticas o plazos sin que se note hasta que un cliente reclama. Un estudio de LinkedIn sobre su propio agente de soporte, publicado en 2026, midió que un RAG sin controles alucina entre 4.8% y 6.2% de las respuestas, y un tribunal ya condenó a una aerolínea por lo que dijo su chatbot. Cuando esto pasa, el 58% de los clientes culpa a la marca, no a la IA.
- RAG sin controles: entre 4.8% y 6.2% de respuestas alucinadas, según LinkedIn.
- Un tribunal ya condenó a una aerolínea por la respuesta falsa de su chatbot.
- 58% de los clientes culpa a la marca cuando la IA se equivoca.
Qué quiere decir que un agente de IA 'invente' información
Que un agente de IA invente información (en inglés se le llama alucinación) significa que da una respuesta segura y bien redactada que no está respaldada por ningún dato real de tu negocio. No es que el modelo mienta a propósito: cuando no encuentra la respuesta exacta en los documentos que le diste, de todos modos genera una respuesta que suena lógica, porque para eso está entrenado. El problema no es que sea tonto; es que no sabe que no sabe.
Un RAG (Retrieval-Augmented Generation) es lo que conecta al agente con tus documentos reales antes de responder. Reduce las alucinaciones, pero no las elimina: si la búsqueda no encuentra el fragmento correcto, o las instrucciones no son claras, el agente rellena el hueco por su cuenta en vez de admitir que no sabe.
Las señales de que tu agente ya está inventando respuestas
Estas son las señales más comunes de que tu agente ya está inventando, aunque nadie se haya quejado todavía:
- Dos clientes reciben respuestas distintas a la misma pregunta exacta, el mismo día.
- El agente contesta con seguridad preguntas que están fuera de lo que vende o hace tu negocio.
- Nadie en tu equipo puede decir de qué documento salió una respuesta específica.
- Los reclamos mencionan un precio, una fecha o una condición que tú no reconoces.
- El agente casi nunca dice 'no tengo ese dato' o 'te paso con alguien del equipo'.
- Cambiaste un precio o una política y el agente sigue dando el dato viejo.
Por qué pasa: las causas más comunes
La causa casi nunca es 'el modelo es malo'. Casi siempre es cómo está armada la base de conocimiento y qué tan estricta es la instrucción que le diste al agente.
| Tipo de implementación | Tasa de alucinación reportada |
|---|---|
| RAG sin instrucciones estrictas (estudio de LinkedIn) | 4.8% – 6.2% de las respuestas |
| El mismo agente, limitado a usar solo lo que recupera de los documentos | Menos de 0.1% |
| Sistemas de soporte evaluados con el benchmark Luna | Hasta 22% en algunos casos |
Estas cifras vienen de un estudio de LinkedIn sobre su propio agente de soporte, publicado en 2026, y del benchmark Luna citado por CMARIX. La diferencia entre 6% y menos de 0.1% no la hace el modelo que uses por debajo (OpenAI, Claude o Gemini), sino qué tan estrictas son las instrucciones y qué tan bien armada está tu base de conocimiento.
Quién responde cuando el agente se equivoca
Tu negocio responde, no el agente
En 2024, un tribunal de Columbia Británica (Canadá) resolvió que Air Canada era responsable de una política de reembolso que su chatbot había inventado, aunque la información correcta estuviera en otra página de su propia web. El tribunal rechazó el argumento de la aerolínea de que el chatbot era 'una entidad separada'. El mismo criterio aplica a cualquier negocio: lo que dice tu agente de IA es, legalmente, lo que dice tu negocio.
No hace falta llegar a un tribunal para que te cueste: según una encuesta citada por Fashion United, el 58% de los compradores culpa a la marca (no a la IA) cuando reciben información incorrecta, y el 16% simplemente abandona la compra.
Cómo corregirlo
Detecta
Revisa una muestra de conversaciones reales cada semana, no solo las que llegan como queja, y marca las respuestas que no puedas rastrear a un documento real.
Limita
Dile al agente, en su instrucción principal, que solo puede responder con lo que encuentra en tus documentos y que si no está ahí, tiene que decir que no sabe o pasar con una persona.
Mide
Lleva un conteo de cuántas respuestas corriges a mano cada semana. Si no baja con el tiempo, el problema está en cómo armaste la base de conocimiento, no en el modelo.
Un caso típico: la pieza que 'sí había'
El cliente ya había pagado cuando le avisaron que no había pieza. La causa no fue el modelo: fue que el agente no estaba conectado al inventario real y nadie le dijo que, si no encontraba el dato, tenía que decir que no sabía.
Cómo se ve esto en México y Latinoamérica
Agencias
Un agente que atiende prospectos por WhatsApp inventa qué incluye un paquete de marketing que la agencia no vende; el cliente firma esperando algo que no va a recibir.
Tiendas en línea
El agente de una tienda dice que un código de descuento sigue vigente cuando ya venció, o que un producto está en stock cuando el inventario real dice lo contrario.
Soporte de un SaaS
Un agente de soporte asegura que el plan básico incluye una función que solo tiene el plan superior; el cliente se queja cuando no la encuentra.
Despachos y clínicas
El agente da por buena una fecha límite o un costo de consulta que ya cambió, porque sigue leyendo una versión vieja del documento.
Si tu negocio está en alguno de estos casos y prefieres que alguien revise (o arme desde cero) la base de conocimiento de tu agente, puedes pedir una demostración gratis con Zadrig Technology por WhatsApp.
Cómo medir si ya lo corregiste
Para saber si vale la pena invertir tiempo en corregir esto, ayuda ponerle un número aproximado al problema.
Calculadora: cuánto te puede costar que tu agente invente respuestas
Mueve las barras con los números de tu negocio para estimar cuántas conversaciones al mes podrían tener una respuesta inventada y qué tanto de eso se traduce en ventas en riesgo.
Estimación de ejemplo con el 6% de alucinación reportado por el estudio de LinkedIn para un RAG sin controles y el 16% de abandono de compra citado por Fashion United cuando la IA da información incorrecta; ajusta las cifras a tu negocio.
¿Por qué mi agente de IA inventa información si ya le di mis documentos?
Sí puede pasar incluso con documentos cargados: si la búsqueda no encuentra el fragmento exacto o la instrucción no le prohíbe adivinar, el modelo rellena el hueco con una respuesta que suena lógica en vez de decir que no sabe.
¿Cuánto bajan las alucinaciones con un buen RAG?
Según el estudio de LinkedIn sobre su agente de soporte (2026), un RAG básico alucinó entre 4.8% y 6.2% de las respuestas; con restricciones explícitas para usar solo lo recuperado de los documentos, bajó a menos de 0.1%.
¿Mi negocio es responsable legalmente de lo que dice el chatbot?
Sí. Un tribunal de Canadá ya resolvió, en el caso de Air Canada, que la aerolínea era responsable de la información falsa que dio su chatbot, igual que si la hubiera dado un empleado.
¿Cómo detecto este problema sin leer cada conversación?
Revisa una muestra semanal de conversaciones, busca respuestas que nadie en tu equipo pueda rastrear a un documento real, y pregunta a ventas o soporte si algún cliente llegó con un dato que no cuadra.
¿Esto se corrige cambiando de modelo de IA?
No necesariamente. El problema casi siempre está en cómo está armada la base de conocimiento y en las instrucciones del agente, no en qué modelo uses por debajo.
¿Cuánto cuesta corregir un agente que ya está inventando respuestas?
No hay una cifra fija: depende de qué tan desordenada esté tu base de conocimiento y cuántos documentos haya que revisar. Una auditoría puntual suele costar menos que seguir perdiendo ventas por respuestas falsas.
Fuentes
- Business Law Today (ABA) — el tribunal de Air Canada confirma que las empresas responden por su chatbot
- Fashion United — el 58% de los compradores culpa a la marca cuando la IA comparte información incorrecta
- arXiv — Self-evolving Agentic Customer Support System at LinkedIn
- CMARIX — RAG & AI Trust Statistics 2026
¿Quieres que revisemos tu agente antes de que invente algo caro?
Escríbenos por WhatsApp y te damos una demostración gratis: te decimos si tu agente (o el que quieres construir) está bien conectado a tus documentos, y te lo implementamos nosotros si lo necesitas. Te responde una persona de Zadrig Technology, no otro bot.
Escríbenos por WhatsApp
